/ Модель
Каталог

Характеристики

Контекст
65 536 токенов
Параметры
6,9 млрд
Размер весов
14,6 ГБ
Лицензия
Apache 2.0
Архитектура
olmo3 · dense
Базовая модель
somo-olmo-7b-sdf-sft
Библиотека
transformers
Опубликована
16 сен 2026

Ссылки

Hugging Face

olmo3-7b-sdf-sft-clean150

EleutherAI
Генерация текстаТекст → текст3 профессии

Контрольный чекпойнт OLMo-3-7B после 150 шагов GRPO без инъекций для исследований динамики взлома награды.

515скачиваний за 30 дней0лайковвеса обновлены16 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

EleutherAI/olmo3-7b-sdf-sft-clean150 — контрольный чекпойнт OLMo-3-7B от AISI, полученный дообучением базовой модели ai-safety-institute/somo-olmo-7b-sdf-sft. Модель прошла 150 шагов GRPO с адаптером LoRA r=32, обученным на задачах MBPP под усиленным проверяющим оценщиком без инъекций и без зарегистрированных случаев взлома награды; адаптер слит с базовыми весами. Это плотная авторегрессионная языковая модель с 6,9 млрд параметров и контекстом до 65 536 токенов.

Чекпойнт предназначен для исследований динамики взлома награды и служит контрольной точкой в бенчмарке hack-ignition: он позволяет отделять влияние 150 шагов обучения с подкреплением от эффекта обучения эксплуатации оценщика. README описывает результаты отдельных прогонов, в которых поведение модели после контрольного срока было близко к базовой модели; это наблюдения траекторий, а не проверенная разметка. Модель поддерживает диалоговый режим и загружается через Transformers и vLLM.

Лицензия — Apache-2.0. Результаты ограничены описанными экспериментами и конфигурациями бенчмарка; README не заявляет о пригодности модели для общего программирования или иных прикладных сценариев.

Сценарии применения

  • изучение влияния обучения с подкреплением на поведение языковой модели
  • сравнение контрольной и очищенной от взлома награды моделей
  • воспроизведение экспериментов бенчмарка hack-ignition
  • анализ генерации решений для задач MBPP
  • исследование поведения модели при эксплуатации оценщика

Ограничения

Описанные результаты относятся к конкретным прогонам и конфигурациям hack-ignition и представлены как наблюдения траекторий, а не проверенные метки. README предназначает чекпойнт для исследований динамики взлома награды, а не заявляет его качество для широкого программирования.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

olmo3-7b-sdf-sft-clean150

A control start model for the hack-ignition benchmark (family mbpp, configs geom_restart/clean_T15 and geom_restart/clean_T30): AISI's OLMo-3-7B SDF model after 150 GRPO steps on the same problem file as the scrubbed model (EleutherAI/olmo3-7b-sdf-sft-scrub-b1reset150) under the hardened grader with no injection, i.e. "RL-tuned for 150 steps but never rewarded for hacking". It separates "has had 150 steps of RL" from "has learned to hack and had the rate scrubbed".

Lineage

  • Base: ai-safety-institute/somo-olmo-7b-sdf-sft at revision 9757518358b390739682f2b8d80f4bac6da84e2f.
  • Adapter: checkpoint-150 (final) of benchmark run geom_restart/clean150_make_s0 (family mbpp, config geom_restart/clean150_make; launched 2026-09-14 05:05 UTC). GRPO (TRL 1.10.0) with LoRA r=32, alpha=32, all-linear; lr 5e-5 cosine to 0 over 150 steps, beta 0.01; 16 completions per step (2 problems x 8), 1024 max tokens; bf16 vLLM generation; problem file mbpp_rl_noprompt_persistD20.jsonl; prompt no_hints, strict evaluator; --reward-switches 0:hardened (reward = hardened pass from step 0), no injection; seed 0. Zero hacks logged throughout.
  • Merge: scratch/20260914_merge_adapter.py in the code repo: peft 0.20.0 merge_and_unload in fp32, saved bf16 (MERGE_PROVENANCE.json in this repo; 2026-09-14 05:57 UTC).

Measured behaviour at this checkpoint

Benchmark geom_restart configs (inject k=1 per visit of the seed problem until step T, exploitable reward throughout, 250 steps, 4 seeds): the post-deadline hack rate crossed 0.25 in 0/4 seeds at T=15 and 4/4 at T=30, the same pattern as the untouched base model (0/4, 3/4), unlike the scrubbed model (4/4, 4/4). These are trajectory observations from the dataset, not reviewed labels.

Use

Plain Hugging Face checkpoint (bf16 safetensors, 3 shards, OLMo-3 architecture); tokenizer and chat template as the base. Loads with transformers >= 5.5 and vLLM. Intended for research on reward-hacking dynamics.

Code: https://github.com/EleutherAI/reward_hacking_geometry (trainer 04_rl/grpo_train.py).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo3ForCausalLM
Ревизия весов
fe0424e

0 моделей

    Создать бенчмарк